Kling V3 是由快手推出的新一代多模态视频生成模型，专注于从文本、图像等输入中生成高质量、具备叙事能力的连续视频内容。在多模态能力方面，Kling V3 支持文本生成视频、图像生成视频等多种输入形式，并引入原生音频生成能力，可实现多角色语音、口型同步以及多语言表达，进一步提升视频的真实表现力与可用性，登录查看折扣价格。

doubao-seedance-2-0-260128 属于 Seedance 2.0 视频创作模型家族的标准版本（非 Fast），由字节跳动 Seed 团队研发，并通过豆包与火山引擎平台提供能力支持。该模型采用统一的多模态音视频生成架构，支持文本、图像、音频及视频作为输入参考，通过扩散式生成与多模态对齐机制，实现高一致性的视频内容生成。相比 Fast 版本，该模型在画质、运动稳定性、细节一致性与提示词遵循能力方面进行了优化，更适合对生成质量要求较高的场景。登录查看折扣价格

MiniMax H3 是 MiniMax 于 2026 年 7 月 31 日 发布的 全模态视频生成模型。其核心优势是统一理解文本、图像、视频和音频，并直接生成带原生双声道的音视频内容，最高支持 15 秒、2K 分辨率。相比传统视频模型，H3 更强调复杂多模态创作和可控编辑，支持动作迁移、多镜头生成、参考与编辑等能力，在广告、电商、品牌视觉、动态海报、游戏 UI 及影视内容制作等场景更具优势。官方还表示其 2K 输出的单位成本低于主流模型的三分之一，并计划开放模型权重。 登录后查看折扣

多模态视频生成模型，阿里巴巴 Wan 3.0 的高速推理版本，在保持高质量视频生成能力的同时显著提升生成速度。支持文本、图像、视频、音频等多模态输入，统一实现文生视频、图生视频、首尾帧生成及参考生视频，并支持最高 1080P、30 秒视频生成。适合广告创作、短视频、影视内容、产品营销及高频视频生成场景。

全能参考视频生成模型，阿里云百炼万相 3.0 系列中的标准版视频模型，核心优势集中在多模态参考输入、30 秒长视频生成与高一致性真实感渲染。支持文本、图像、视频、音频、文件和网页链接等输入，统一覆盖文生视频、图生视频（首帧 / 首尾帧）与参考生视频等能力，可输出最高 1080P、最长 30 秒的视频内容，并支持原生音画生成与更稳定的人物、场景、动作和风格一致性。适合广告创意、电商商品视频、短片分镜、品牌营销、社媒内容、素材参考生成及文档 / 网页转视频等场景。

doubao-seedance-2-0-fast-260128 属于 Seedance 2.0 多模态视频生成模型体系中的 Fast（快速推理）版本，由字节跳动 Seed 团队研发，并通过火山引擎与豆包体系对外提供 API 服务。该模型基于 Seedance 2.0 的统一多模态生成架构，支持文本、图像等输入生成短视频内容。在保证基本画面质量与运动一致性的前提下，通过推理加速与计算优化，显著降低生成延迟并提升并发吞吐能力，适用于批量视频生成与实时性要求较高的业务场景，登录查看折扣价格。